1.用 python 字典统计 CSV 数据的步骤和代码示例
为了使用 Python 字典来统计 CSV 数据，我们可以使用内置的csv模块来读取 CSV 文件，并使用字典来存储统计信息。以下是一个详细的步骤和完整的代码示例：
1.1 步骤
（1）导入csv模块。
（2）打开 CSV 文件并读取数据。
（3）初始化一个空字典来存储统计信息。
（4）遍历 CSV 文件的每一行数据。
（5）对于每一行数据，根据需要选择一列或多列作为键（key），并统计其出现次数（或执行其他类型的统计）。
（6）将统计结果存储在字典中。
（7）关闭 CSV 文件。
（8）（可选）输出或处理统计结果。
1.2 代码示例
假设我们有一个 CSV 文件data.csv，内容如下：
Name,Age,Gender Alice,25,Female Bob,30,Male Charlie,25,Male Alice,26,Female
复制代码
我们想统计每个年龄（Age）的人数。
import csv # 初始化一个空字典来存储统计信息 age_counts = {} # 打开CSV文件并读取数据 with open('data.csv', mode='r', encoding='utf-8') as csv_file: csv_reader = csv.DictReader(csv_file) # 跳过表头（如果有） next(csv_reader, None) # 消耗迭代器中的第一行（即表头） # 遍历CSV文件的每一行数据 for row in csv_reader: age = int(row['Age']) # 假设年龄是整数，如果不是则需要相应处理 # 统计每个年龄的人数 if age in age_counts: age_counts[age] += 1 else: age_counts[age] = 1 # 输出统计结果 for age, count in age_counts.items(): print(f"Age {age}: {count} people")
复制代码
运行上述代码，我们将得到以下输出：
Age 25: 2 people Age 26: 1 people Age 30: 1 people
复制代码
这样，我们就使用 Python 字典成功地统计了 CSV 数据中的年龄信息。
2.详细的代码示例例子展示
我们展示几个不同的例子，这些例子展示了如何使用 Python 字典来统计 CSV 文件中的数据。
2.1 统计每个名字的出现次数
假设我们有一个 CSV 文件names.csv，内容如下：
Name Alice Bob Charlie Alice Bob David
复制代码
我们想要统计每个名字的出现次数。
import csv name_counts = {} with open('names.csv', mode='r', encoding='utf-8') as csv_file: csv_reader = csv.reader(csv_file) next(csv_reader, None) # 跳过表头 for row in csv_reader: name = row[0] if name in name_counts: name_counts[name] += 1 else: name_counts[name] = 1 # 输出统计结果 for name, count in name_counts.items(): print(f"Name {name}: {count} occurrences")
复制代码
2.2 统计每个年龄段的用户数量
假设我们有一个 CSV 文件users.csv，内容如下：
Name,Age Alice,25 Bob,32 Charlie,18 David,28 Eve,19
复制代码
我们想要统计 18-24 岁、25-30 岁、31 岁及以上每个年龄段的用户数量。
import csv age_groups = { '18-24': 0, '25-30': 0, '31+': 0 } with open('users.csv', mode='r', encoding='utf-8') as csv_file: csv_reader = csv.DictReader(csv_file) next(csv_reader, None) # 跳过表头 for row in csv_reader: age = int(row['Age']) if 18 <= age <= 24: age_groups['18-24'] += 1 elif 25 <= age <= 30: age_groups['25-30'] += 1 else: age_groups['31+'] += 1 # 输出统计结果 for age_group, count in age_groups.items(): print(f"Age group {age_group}: {count} users")
复制代码
2.3 统计每个性别在每个年龄段的用户数量
假设我们有一个 CSV 文件users_advanced.csv，内容如下：
Name,Age,Gender Alice,25,Female Bob,32,Male Charlie,18,Male David,28,Male Eve,19,Female
复制代码
我们想要统计每个性别在每个年龄段（18-24 岁、25-30 岁、31 岁及以上）的用户数量。
import csv age_gender_counts = { '18-24': {'Male': 0, 'Female': 0}, '25-30': {'Male': 0, 'Female': 0}, '31+': {'Male': 0, 'Female': 0} } with open('users_advanced.csv', mode='r', encoding='utf-8') as csv_file: csv_reader = csv.DictReader(csv_file) next(csv_reader, None) # 跳过表头 for row in csv_reader: age = int(row['Age']) gender = row['Gender'] if 18 <= age <= 24: age_group = '18-24' elif 25 <= age <= 30: age_group = '25-30' else: age_group = '31+' age_gender_counts[age_group][gender] += 1 # 输出统计结果 for age_group, gender_counts in age_gender_counts.items(): print(f"Age group {age_group}:") for gender, count in gender_counts.items(): print(f" {gender}: {count} users") print()
复制代码
3.统计字典的缺点和局限
统计字典（即使用 Python 字典来存储统计信息）在数据分析和处理中是一种非常有效的方法，但它也有一些潜在的缺点和局限性：
（1）内存占用：字典在内存中存储键值对，当数据量非常大时，它们会占用相当多的内存。这可能会导致程序在内存有限的系统上运行缓慢或崩溃。
（2）稀疏性：如果统计的数据非常稀疏（即许多键在字典中只出现一次或根本不出现），则字典将包含大量的键值对，其中许多值都是 1 或 0。这可能导致内存使用效率低下。
（3）不可排序：字典本身是无序的，尽管在 Python 3.7+中插入顺序被保留（但这不应该被用作排序的依据）。如果我们需要按照特定的顺序遍历统计结果，我们可能需要额外的步骤来对字典的键或值进行排序。
（4）并发问题：在多线程或多进程环境中，直接修改字典可能会引发并发问题，如数据竞争和不一致的结果。在这种情况下，我们可能需要使用锁或其他同步机制来保护对字典的访问。
（5）不支持快速范围查询：字典不支持像列表或数组那样的范围查询。如果我们需要查找在某个范围内的所有键或值，我们可能需要遍历整个字典，这可能会很慢。
（6）无法直接进行数学运算：字典本身不支持数学运算（如加法、减法、乘法等）。如果我们需要对统计结果进行数学运算，我们可能需要将字典转换为其他数据结构（如 NumPy 数组或 Pandas DataFrame），或者编写额外的代码来处理字典中的值。
（7）不支持多维索引：字典只能使用单个键来索引值。如果我们需要基于多个键来索引值（例如，在多维数据集中），我们可能需要使用嵌套字典或其他数据结构。
（8）可读性和可维护性：对于复杂的统计任务，使用字典可能会导致代码变得难以阅读和维护。在这种情况下，使用更高级的数据结构或库（如 Pandas DataFrame）可能会更合适。
尽管有这些缺点，但字典在统计和数据处理中仍然是非常有用的工具。它们提供了灵活且高效的方式来存储和检索数据，并且对于许多常见任务来说已经足够了。然而，在设计我们的程序时，我们应该考虑我们的具体需求和环境，并选择最适合我们的数据结构和方法。
文章转载自：TechSynapse
原文链接：https://www.cnblogs.com/TS86/p/18218666
体验地址：http://www.jnpfsoft.com/?from=infoq
评论